5000 小时触觉数据:机器人最稀缺且无法爬取的训练输入
kimmonismus · x · 2026-11-11
该系列帖的第 3 部分,解释 LingBot-Touch 的数据护城河:
- 与原始传感器信号对比:直接喂原始触觉信号给策略,增益最多只有学习到的触觉 token 的一半。
- 在 Diffusion Policy、π0.5、LingBot-VLA、T-Rex 四种策略上,学习的触觉 token 带来 14–25 个百分点的提升;论文称该设置在 104 个任务-策略组合中的 89 个里表现最佳。
- 训练数据是「爬不到」的部分:Robbyant 录制约 5000 小时、13.3 亿帧触觉数据,来自穿触觉手套的人和遥操作机器人手。没有人会上传握杯子的力度或开始打滑的瞬间,必须付费录制,这使触觉成为当前机器人领域最稀缺的输入之一。
所属事件:LingBot-Touch 触觉数据成机器人训练护城河(2 条相关)→
「具身」频道最新
- Perceptron 开源 EgoHome 基准：137 段第一视角视频、标注细到 100 毫秒 — rohanpaul_ai · 2026-11-11
- CoRL 2026 最佳论文提名 Play2Perfect 移植到新机器人与仿真器 — leto__jean · 2026-11-11
- Walden Robotics 分享具身智能路线:全栈自研、仿真、遥操作与人类干预数据 — chris_j_paxton · 2026-11-11
- 触觉编码器跨传感器泛化:接触误差从 5.89mm 降至 0.16mm — kimmonismus · 2026-11-11
- AI 研究者时隔十年再乘 Zoox 无人车：舱内 selfie 展示对座无方向盘设计 — chris_j_paxton · 2026-11-11
- 机器人 VC 论战： physical AI 被低估，头部赢家不受市场回调影响 — Rewkang · 2026-11-11